期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于HJ-1A CCD影像和ELM模型的太湖叶绿素a预测研究
被引量：
2
1
作者
樊广利
曹红业
徐晋
《水资源与水工程学报》
CSCD
2020年第5期16-22,共7页
以典型二类水体——太湖为例,基于环境一号遥感影像,构建了基于ELM模型的叶绿素a浓度预测模型,将预测结果与传统的BP人工神经网络和支持向量机SVM进行了比较。研究结果表明:ELM模型预测值与实测值之间的R^2高达0.911 4,而BP和SVM模型的...
以典型二类水体——太湖为例,基于环境一号遥感影像,构建了基于ELM模型的叶绿素a浓度预测模型,将预测结果与传统的BP人工神经网络和支持向量机SVM进行了比较。研究结果表明:ELM模型预测值与实测值之间的R^2高达0.911 4,而BP和SVM模型的R^2分别为0.366 3和0.744 8,均方根误差RMSE由BP模型和SVM模型的3.728 8μg/L和2.132 4μg/L降为ELM模型的1.327 0μg/L,ELM模型的平均相对误差MRE=2.65%,小于BP模型的6.59%和SVM模型的3.89%;与其他两种方法相比,ELM模型反演太湖水体叶绿素a浓度精度更高,ELM模型参数选择简单,可以显著提高模型的学习速度,不易陷入局部最优值,具有更好的泛化性能;ELM模型可以有效地应用于内陆水体叶绿素a浓度的预测。
展开更多
关键词
叶绿素
a
预测
HJ-1
a
ccd
影像
极限学习机(ELM)
内陆湖泊
太湖
在线阅读
下载PDF
职称材料
题名
基于HJ-1A CCD影像和ELM模型的太湖叶绿素a预测研究
被引量：
2
1
作者
樊广利
曹红业
徐晋
机构
西北大学城市与环境学院
西京学院土木工程学院
长安大学地质工程与测绘学院
出处
《水资源与水工程学报》
CSCD
2020年第5期16-22,共7页
文摘
以典型二类水体——太湖为例,基于环境一号遥感影像,构建了基于ELM模型的叶绿素a浓度预测模型,将预测结果与传统的BP人工神经网络和支持向量机SVM进行了比较。研究结果表明:ELM模型预测值与实测值之间的R^2高达0.911 4,而BP和SVM模型的R^2分别为0.366 3和0.744 8,均方根误差RMSE由BP模型和SVM模型的3.728 8μg/L和2.132 4μg/L降为ELM模型的1.327 0μg/L,ELM模型的平均相对误差MRE=2.65%,小于BP模型的6.59%和SVM模型的3.89%;与其他两种方法相比,ELM模型反演太湖水体叶绿素a浓度精度更高,ELM模型参数选择简单,可以显著提高模型的学习速度,不易陷入局部最优值,具有更好的泛化性能;ELM模型可以有效地应用于内陆水体叶绿素a浓度的预测。
关键词
叶绿素
a
预测
HJ-1
a
ccd
影像
极限学习机(ELM)
内陆湖泊
太湖
Keywords
prediction of chlorophyll
a
HJ-1
a ccd
im
a
gery
extreme le
a
rning m
a
chine(ELM)
inl
a
nd l
a
ke
T
a
ihu L
a
ke
分类号
X832 [环境科学与工程—环境工程]
X87 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于HJ-1A CCD影像和ELM模型的太湖叶绿素a预测研究
樊广利
曹红业
徐晋
《水资源与水工程学报》
CSCD
2020
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
